主分类：大模型与生成式算法研发
辅助：自然语言处理算法研发（仅展示）
来源 JD 数据（旧分类保留，当前主分类见上方）
{
"schema_version": "via_ai_product_manager_jobs_v1",
"data_type": "ai_product_manager_jobs",
"job": {
"job_title": "端侧AI的复杂任务处理与模型优化技术研究-移动OS",
"job_level": "校招",AI生成
"work_category": "全职",AI生成
"department": "未披露",
"location": "北京",
"work_mode": "未披露",AI生成
"job_category": "算法"AI生成
},
"company": {
"company_name": "字节跳动",
"company_industry": "互联网 / 数字内容 / 电商",
"company_size": "10000人以上",
"company_website": "bytedance.com",
"company_description": "字节跳动提供内容创作、信息分发、电商和协作产品，旗下产品包括抖音、今日头条、TikTok和飞书。"
},
"compensation": {
"salary_range": {
"min": "",
"max": "",
"currency": "未披露",
"cycle": "未披露"
},
"benefits": "未披露"
},
"requirements": {
"working_years": "",
"degree": "获得博士学位",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "团队介绍：我们隶属于产品研发与工程架构部，是字节跳动在智能硬件领域的软件技术攻坚力量—— 聚焦 AI 与智能硬件的深度融合，如豆包手机助手等；以 “让人与设备的交互更自然、更便捷” 为目标，探索前沿 AI 技术的落地场景，打造行业领先的智能硬件综合解决方案。\n在这里，你将与一支顶尖技术团队并肩：\n直击 AI 与硬件结合的核心技术难题，参与从 “技术探索” 到 “场景落地” 的全链路研发；\n主导或深度参与关键技术突破，用创新定义智能硬件的交互未来；\n站在行业前沿，将技术理想转化为千万用户可感知的产品体验。\n如果你心怀对技术的热忱，渴望在 AI 与智能硬件的赛道上突破自我、创造价值，我们期待你的加入，与我们一起解锁更多技术可能，共筑智能交互的新生态！\n\n课题介绍：\n聚焦扩散模型（如 Stable Diffusion）精简训练、多意图推理编排及个性化记忆建模，解决多意图理解、任务动态规划、记忆模型稀疏性及模型轻量化部署等挑战，推动智能助手、图像生成等场景应用。\n\n课题挑战：\n1、精准理解用户输入中的多意图，推导意图间关系，设计任务推理方法；\n2、应对行为数据稀疏性，基于长期行为设计有效特征提取与建模方法，构建个性化的记忆模型，提升用户交互的精准度与体验；\n3、如何在保持生成质量的前提下，精简Stable Diffusion等扩散模型以适应端侧设备；\n4、实现通用化GUI自动化操作，支持多种设备界面。\n\n课题价值：\n探索大模型在端侧的能力并结合对用户的个性化数据的分析和建模，在保护用户隐私的情况下，提供更高性能、低延迟的更智能的用户使用体验。",
"requirements_text": "1、2027届毕业，获得博士学位，计算机、人工智能、计算机视觉、数据科学相关专业优先；\n2、扎实的机器学习、NLP/CV/序列建模等基础，具备多模态数据处理等研究背景；\n3、熟悉Transformer、Diffusion、GAN、CNN/RNN等模型基础结构；\n4、在NeurIPS/ICML/ICLR/ACL/EMNLP/CVPR/ICCV/ECCV等顶级会议上发表论文者优先；\n5、优秀的代码能力、数据结构和基础算法功底，熟练C/C++或Python；\n6、出色的问题分析和解决能力，有自主探索解决方案的能力。",
"skills": [AI生成
"Python",
"C++",
"机器学习",
"自然语言处理",
"计算机视觉",
"数据结构",
"建模"
],
"preferred_qualifications": "1、2027届毕业，获得博士学位，计算机、人工智能、计算机视觉、数据科学相关专业优先；4、在NeurIPS/ICML/ICLR/ACL/EMNLP/CVPR/ICCV/ECCV等顶级会议上发表论文者优先",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://jobs.bytedance.com/campus/position/7625855560953727237/detail"
}
]
},
"posting": {
"posting_id": "7625855560953727237",
"post_date": "2026-04-07",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://jobs.bytedance.com/campus/position/7625855560953727237/detail"
},
"fulltext": "端侧AI的复杂任务处理与模型优化技术研究-移动OS\n职位描述\n团队介绍：我们隶属于产品研发与工程架构部，是字节跳动在智能硬件领域的软件技术攻坚力量—— 聚焦 AI 与智能硬件的深度融合，如豆包手机助手等；以 “让人与设备的交互更自然、更便捷” 为目标，探索前沿 AI 技术的落地场景，打造行业领先的智能硬件综合解决方案。\n在这里，你将与一支顶尖技术团队并肩：\n直击 AI 与硬件结合的核心技术难题，参与从 “技术探索” 到 “场景落地” 的全链路研发；\n主导或深度参与关键技术突破，用创新定义智能硬件的交互未来；\n站在行业前沿，将技术理想转化为千万用户可感知的产品体验。\n如果你心怀对技术的热忱，渴望在 AI 与智能硬件的赛道上突破自我、创造价值，我们期待你的加入，与我们一起解锁更多技术可能，共筑智能交互的新生态！\n\n课题介绍：\n聚焦扩散模型（如 Stable Diffusion）精简训练、多意图推理编排及个性化记忆建模，解决多意图理解、任务动态规划、记忆模型稀疏性及模型轻量化部署等挑战，推动智能助手、图像生成等场景应用。\n\n课题挑战：\n1、精准理解用户输入中的多意图，推导意图间关系，设计任务推理方法；\n2、应对行为数据稀疏性，基于长期行为设计有效特征提取与建模方法，构建个性化的记忆模型，提升用户交互的精准度与体验；\n3、如何在保持生成质量的前提下，精简Stable Diffusion等扩散模型以适应端侧设备；\n4、实现通用化GUI自动化操作，支持多种设备界面。\n\n课题价值：\n探索大模型在端侧的能力并结合对用户的个性化数据的分析和建模，在保护用户隐私的情况下，提供更高性能、低延迟的更智能的用户使用体验。\n\n职位要求\n1、2027届毕业，获得博士学位，计算机、人工智能、计算机视觉、数据科学相关专业优先；\n2、扎实的机器学习、NLP/CV/序列建模等基础，具备多模态数据处理等研究背景；\n3、熟悉Transformer、Diffusion、GAN、CNN/RNN等模型基础结构；\n4、在NeurIPS/ICML/ICLR/ACL/EMNLP/CVPR/ICCV/ECCV等顶级会议上发表论文者优先；\n5、优秀的代码能力、数据结构和基础算法功底，熟练C/C++或Python；\n6、出色的问题分析和解决能力，有自主探索解决方案的能力。\n团队介绍：我们隶属于产品研发与工程架构部，是字节跳动在智能硬件领域的软件技术攻坚力量—— 聚焦 AI 与智能硬件的深度融合，如豆包手机助手等；以 “让人与设备的交互更自然、更便捷” 为目标，探索前沿 AI 技术的落地场景，打造行业领先的智能硬件综合解决方案。\n在这里，你将与一支顶尖技术团队并肩：\n直击 AI 与硬件结合的核心技术难题，参与从 “技术探索” 到 “场景落地” 的全链路研发；\n主导或深度参与关键技术突破，用创新定义智能硬件的交互未来；\n站在行业前沿，将技术理想转化为千万用户可感知的产品体验。\n如果你心怀对技术的热忱，渴望在 AI 与智能硬件的赛道上突破自我、创造价值，我们期待你的加入，与我们一起解锁更多技术可能，共筑智能交互的新生态！\n\n课题介绍：\n聚焦扩散模型（如 Stable Diffusion）精简训练、多意图推理编排及个性化记忆建模，解决多意图理解、任务动态规划、记忆模型稀疏性及模型轻量化部署等挑战，推动智能助手、图像生成等场景应用。\n\n课题挑战：\n1、精准理解用户输入中的多意图，推导意图间关系，设计任务推理方法；\n2、应对行为数据稀疏性，基于长期行为设计有效特征提取与建模方法，构建个性化的记忆模型，提升用户交互的精准度与体验；\n3、如何在保持生成质量的前提下，精简Stable Diffusion等扩散模型以适应端侧设备；\n4、实现通用化GUI自动化操作，支持多种设备界面。\n\n课题价值：\n探索大模型在端侧的能力并结合对用户的个性化数据的分析和建模，在保护用户隐私的情况下，提供更高性能、低延迟的更智能的用户使用体验。\n1、2027届毕业，获得博士学位，计算机、人工智能、计算机视觉、数据科学相关专业优先；\n2、扎实的机器学习、NLP/CV/序列建模等基础，具备多模态数据处理等研究背景；\n3、熟悉Transformer、Diffusion、GAN、CNN/RNN等模型基础结构；\n4、在NeurIPS/ICML/ICLR/ACL/EMNLP/CVPR/ICCV/ECCV等顶级会议上发表论文者优先；\n5、优秀的代码能力、数据结构和基础算法功底，熟练C/C++或Python；\n6、出色的问题分析和解决能力，有自主探索解决方案的能力。",
"standard_classification": {
"std_category_code": "T010",
"std_aux_codes": [
"T036"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}